home.md

@@ -11,14 +11,9 @@ https://www.youtube.com/channel/UC4Sukzudhbwr6fs10cXrJsQ
 
 **- Prochain rendez-vous -** 
 
-Zoom :  
-https://grenoble-inp.zoom.us/j/98765018694?pwd=LzZXeEFrcEs4TnFqT0YrZkZHVFpoQT09  
-N° de webinaire : 987 6501 8694  
-Code secret : 1919  
-
-|**Jeudi 11 mars, 14h, Séquence 4 : <br>Réseaux de Neurones Récurrents (RNN)<br>Gestion des données séquentielles et/ou temporelles.**|
+|**Jeudi 18 mars, 14h, Séquence 5 : <br>Les réseaux autoencodeurs (AE), un exemple d'apprentissage non supervisé.**|
 |--|
-|Principes et concepts des réseaux de neurones récurrents.<br>Préparation et gestion d'un dataset réel de type séquence. Mise en œuvre et utilisation des RNN.<br>Long short-term memory (LSTM), Gated recurrent unit (GRU), cellules récurrentes, Générateur de séquences.<br>Exemple proposé :<br>Prédiction de trajectoires d'une coccinelle virtuelle ;-)<br>Prévisions météorologique à 3h et 12h, à partir de données réelles, issues des messages internationaux d’observation en surface (SYNOP) de l’Organisation Météorologique Mondiale (OMM).|
+|Principes et architecture des réseaux autoencodeurs.<br> Convolutions classiques et transposées - Espaces latents.<br> Programmation procédurale avec Keras - GPU et batch.<br>Exemple proposé :<br>Débruitage d'images fortement bruitées.<br>Où, comment à partir de ces image :<br> ![AE2-07-test-noisy-xs](uploads/864b6baebb75d672007badb09e16bfd4/AE2-07-test-noisy-xs.png) Il est possible de retrouver  celles-ci ! ![AE2-08-test-predict-xs](uploads/156f09926c8bf47613e62ab74c62484c/AE2-08-test-predict-xs.png) |
 |Durée : 2h - Les paramètres de diffusion seront [précisés la veille dans le wiki](https://gricad-gitlab.univ-grenoble-alpes.fr/talks/fidle/-/wikis/Fidle%20%C3%A0%20distance/En%20bref) |
 
 Voir le **[programme](Fidle à distance/Présentation#programme-)**\